使用 data.table 按組刪除特定列中具有前導缺失值的行

Question

我有一個像這樣的 data.table：

DT <- data.table(id = c(rep("a", 3), rep("b", 3)),
                 col1 = c(NA,1,2,NA,3,NA), col2 = c(NA,NA,5,NA,NA,NA))
   id col1 col2
1:  a   NA   NA
2:  a    1   NA
3:  a    2    5
4:  b   NA   NA
5:  b    3   NA
6:  b   NA   NA

對於每個 id，我想使用zoo::na.trim刪除 'col1' 中帶有前導NA的行。 這是我期待的結果：

   id col1 col2
1:  a    1   NA
2:  a    2    5
3:  b    3   NA
4:  b   NA   NA

這是我到目前為止所嘗試的。 這確實刪除了“col1”中的前導NA ，但它從結果中省略了“col2”：

DT[ , na.trim(col1), by = id]
   id V1
1:  a  1
2:  a  2
3:  b  3

這也不起作用：

DT[ , .SD[na.trim(col1)], by = id]
   id col1 col2
1:  a   NA   NA
2:  a    1   NA
3:  b   NA   NA

Answer 1

不使用zoo -package的可能解決方案：

DT[DT[, .I[!!cumsum(!is.na(col1))], by = id]$V1]

你得到：

   id col1 col2
1:  a    1   NA
2:  a    2    5
3:  b    3   NA
4:  b   NA   NA

這是做什么的：

• 使用DT[, .I[!!cumsum(!is.na(col1))], id]$V1您可以創建一個rownumbers矢量來保存。 通過使用!!cumsum(!is.na(col1))您可以確保只省略col1缺失值。
• 接下來，您使用該向量來對data.table進行子集化。
• !!cumsum(!is.na(col1))和cumsum(!is.na(col1))!=0 。 使用!! 將所有大於零的數字轉換為TRUE ，將所有零轉換為FALSE 。
• .I不一定需要，你也可以使用： DT[DT[, !!cumsum(!is.na(col1)), by = id]$V1] ，它使用邏輯向量對data.table進行子集化。

---

來自評論的cummax的兩個替代品：cummax：

# alternative 1:
DT[DT[, !!(cummax(!is.na(col1))), by = id]$V1]

# alternative 2:
DT[as.logical(DT[, cummax(!is.na(col1)), by = id]$V1)]

@jogo的另一個選擇：

DT[, .SD[!!cumsum(!is.na(col1))], by = id]

@Frank的另一個選擇：

DT[, .SD[ rleid(col1) > 1L | !is.na(col1) ], by = id]

Answer 2

na.trim將與data.table一樣使用。 有關其參數的更多信息，請參閱?na.trim 。

DT[, na.trim(.SD, sides = "left", is.na = "all"), by = id]

贈送：

   id col1 col2
1:  a    1   NA
2:  a    2    5
3:  b    3   NA
4:  b   NA   NA

添加：

在評論中，海報澄清說，只有第1列na.trim操作。 在這種情況下，添加一列行號，.I，並在使用這些行號后使用na.trim子集。

DT[DT[, na.trim(data.table(col1, .I), "left"), by = id]$.I, ]

Answer 3

我們可以使用1:.N >= which.max(...)來子集所需的行

> DT[, .SD[1:.N >= which.max(!is.na(col1))], id]
   id col1 col2
1:  a    1   NA
2:  a    2    5
3:  b    3   NA
4:  b   NA   NA